5.1 agent 系统

本节定位：ANIMA 是 Soma Zero 这套机器人的「脑」。但「脑」本质上是一个 agent（智能体）——和 Claude Code、Codex 这些当今最强的编码 agent 是同一类东西。既然别人已经把「怎么造一个靠谱的 agent」摸索出了一整套工程经验，我们没理由从零试错。这一节就是把这些经验，翻译成给「机器人大脑」用的设计原则。

这一节怎么读：分两大部分。第一部分（AI agent）讲通用的 agent 工程纪律——主循环、把上下文当稀缺资源、五根支柱（记忆 / 接口 / 验证 / 安全 / 编排）、能力积累，以及给 ANIMA 的落地清单；这些经验主要来自 Claude Code 这类编码 agent。第二部分（搬上机器人）讲机器人特有的改造：为什么不能照搬编码 agent、主流「慢脑 + 快手」（System 2 / System 1）框架如何把深思与控制分开异步运行，以及这一切如何映射到 ANIMA。每一步都先讲「人家为什么这么做」，再讲「搬到 ANIMA 上是什么样」。

一、什么是 agent：ANIMA 与编码 agent 的同构关系

先把名词说清楚。agent（智能体）说白了就是一个程序：你给它一个目标，它自己「看一眼现状 → 想一下 → 动手调一个工具 → 再看结果 → 再想」，这样一圈一圈转，直到把活干完。中间「想」用的是大模型，「动手」用的是各种工具。

这个「一圈一圈转」的循环，就是 agent 的心脏，业界叫主循环（main loop）。这里有个反直觉但极其重要的事实：当今最强的编码 agent（如 Claude Code），它的主循环简单到只是一个 while 循环——调模型、跑工具、拿结果、再调模型，并没有什么花哨的多阶段规划器。复杂度不在循环里，而在循环周围那一圈「外围设施」（记忆、验证、安全闸门）。

那 ANIMA 呢？它也是这同一个循环，只不过把「眼」和「手」换了：编码 agent 的「眼」是读文件、ANIMA 的「眼」是相机看棋盘；编码 agent 的「手」是改代码 / 跑命令、ANIMA 的「手」是机械臂（背后是 VLA 策略）；编码 agent 的「裁判」是跑单元测试、ANIMA 的「裁判」是视觉识别 + python-chess 比对。

本节核心结论：顶级 agent 强，不强在「大脑更聪明」，强在「外围工程扎实」。所以 ANIMA 不该把力气全花在「让 LLM 想得更妙」，而要花在外围——这正是 ANIMA 选「行为树 + LLM 补空」而不是「自由 ReAct」的底层理由：主流程用确定的代码（行为树）兜住，LLM 只在节点里补空。对一台会真实运动、有物理风险的机械臂，这种「能用固定流程就别放权」的克制是对的。

二、主线：上下文是稀缺资源

接下来所有讲究，都从这一句长出来，先讲透它。过去大家研究「怎么把提示词写好」（prompt engineering）。现在顶级 agent 团队把重心挪到了上下文工程（context engineering）——不是写好一句话，而是整体地管理「每一时刻喂进模型的全部信息」：系统指令、工具说明、历史对话、外部数据，全都要精打细算。

为什么？因为有个现象叫上下文腐烂（context rot）：你塞进模型的 token 越多，它准确回忆其中信息的能力反而越差。根子在于大模型的注意力是「每个词和每个词两两算关系」，词一多，注意力就被稀释。所以上下文不是越多越好，而是边际递减。指导原则就一句：用能达成目标的、最小的一组高信号 token。

对 ANIMA：一局棋 80～100 步，每一步都会产生「看到了什么、期望是什么、对没对上、重试了几次」。如果一股脑全堆进 System 2 的上下文，很快就会「腐烂」——它会忘掉开局的关键约束。所以从第一天起，就要把「上下文预算」当成一等公民来管。怎么管？就是下面五根支柱里的第一根——记忆。

三、支柱一 · 记忆与状态：外部化存储

既然上下文有限，那「装不下的东西」就得有地方放。顶级 agent 有三招，外加一招「状态持久化」。

1. 压缩（compaction）——但要小心它会丢细节。 当对话快塞满了，就把前面一大段高保真地总结成一小段摘要，然后从摘要重新开始。Anthropic 的实测：压缩能把上下文砍掉约一半，但有个关键代价——「高层事实」基本保得住，「冷僻细节」几乎全丢（基准里高层 3/3 保留、冷僻 0/3 全丢）。

⚠️ 对机器人这条是红线：像「夹爪角度不得超过 100°」「某个标定外参的精确值」这种精确数字，绝不能指望压缩帮你记住——压缩恰恰最爱丢这种冷僻细节。它们必须放进下面说的「硬约束」或「外置记忆」。

2. 外置记忆 + 进度文件——光压缩不够。 顶级 agent 团队发现：哪怕压缩了，跨越很多轮之后模型还是会「找不着北」。解法是把状态写成外部文件：一个进度文件（记「干到哪了」）+ 一份事件日志（记「发生过什么」）。这样哪怕上下文被清空，一个全新的窗口读一眼文件就能立刻恢复工作。对 ANIMA，这就是一份对局进度产物：走到第几步、上一步成败、机械臂当前状态——断电、急停、CAN 掉线之后，靠它续上，而不是从开局重下。

3. 分层作用域记忆——规则按「管辖范围」叠加。 Claude Code 的记忆文件（CLAUDE.md）是分层的：全局策略 > 用户级 > 项目级 > 本地，从宽到窄，向上拼接而不是互相覆盖。而且是双轨：人手写的硬规则 + 机器自己积累的经验笔记。搬到 ANIMA 正好：全局安全约束（永远生效）> 这一局棋的指令 > 这一步的临时指令，叠加生效。

4. 状态持久化（checkpoint）——每一步都「存档」。 开源框架 LangGraph 把这件事做到了极致：流程的每一步都先从一个状态快照（checkpoint）读、再写回一个新快照。好处有三个，对机器人都值钱：① 崩溃可恢复（从断点续，不从头来）；② 可中断（停在某一步等人，之后接着跑——留到「安全」一节细讲）；③ 时间旅行（回到「第 17 手出错」那个存档，改一改、长出一条支线重放，原来那局不受影响）。注意：第 ③ 条只能用在仿真和逻辑层复盘，绝不能用来「重放真机动作」——真机动作不可逆，重放等于让机械臂再动一次。

四、支柱二 · 工具与接口：精简、正交、面向 agent

ANIMA 的 System 2 要「指挥」System 1，靠的是一套接口。这套接口怎么定，直接决定它好不好用。两条经验：

1. 工具要「少而正交、面向工作流」。 反面教材是给一堆零碎的低层工具（「列用户」「列日程」「建日程」）；正面做法是合并成一个高层工作流工具（「帮我排个会」，内部自己找空档）。业界共识：工具太多或互相重叠，会把 agent 带偏（微软、OpenAI 都有此结论）。

2. 接口要专门为 agent 设计，而不是把「给人用的」拿来复用（ACI）。 这是开源项目 SWE-agent 的核心论点，而且有硬数据：固定同一个模型，只改接口，在 SWE-bench 上就能多解 10.7 个百分点。它的四条设计原则可以直接当 ANIMA 的接口 checklist：① 动作让 LLM 一眼能懂；② 把多步操作合并成少数高阶原语（少一次决策就少一次出错）；③ 反馈要信息足够但简洁；④ 内建护栏，遏制错误扩散。

对 ANIMA：System 2 不该用「给人看的 ROS topic / MoveIt 界面」去驱动 System 1，更不该让 LLM 去拼关节角和轨迹。正确做法是定义少数几个高阶棋步原语，比如「把 e2 的子走到 e4」是一个原语，内部自动完成「定位—抓取—移动—放置—自检」。

五、支柱三 · 验证闭环：执行后必须验证

顶级 agent 最硬的一条教训：不要相信模型自己说「干完了」，要用一个独立的、端到端的验证去核实。 编码 agent 怎么做的？端到端验证胜过自查——与其只跑单元测试，不如开个浏览器像真人一样把功能走一遍；护栏闭环（SWE-agent 的 linter）——每次编辑后立刻跑语法检查，一旦发现错误就把这次编辑丢弃（坏改动从不落盘），同时把「错在哪 + 改动前后的片段」简洁地回给 agent，让它重试。

这套「执行 → 独立核验 → 不对就别让状态前进 → 简洁反馈 → 重试」，正是 ANIMA 视觉裁判的设计蓝本，而且 ANIMA 做得还更硬——它有 python-chess 提供的逻辑真值兜底，不像编码 agent 只能靠测试。映射过来：VLA 走完一手 → 视觉裁判看真实棋盘，和 python-chess 算出的「期望局面」比对；不一致 → 逻辑真值不许前进（错误绝不向后传播）；反馈要紧凑可定位——回「e4 该有子却空了 / d5 多出一子（碰倒了）」这种一句话差异，而不是把整帧图像灌给 LLM；然后重试 / 触发恢复。还有一条来自 Devin：子任务在「汇报成功」之前必须先自验——这给 ANIMA「视觉裁判才是成败最终判定、python-chess 只是给期望值的盲工具」提供了独立佐证。

六、支柱四 · 安全闸门：硬安全独立于提示词

这是对 ANIMA 最重要的一节，因为机械臂动作不可逆，撞坏了就是撞坏了。

核心铁律：记忆文件、系统提示词，对模型来说都只是「参考上下文」，不是「强制配置」——模型可以选择不听。所以任何「硬安全」都不能只靠写进提示词。要真正拦住一个动作，必须有一道不经过 LLM 的、确定性的代码闸门。

顶级 agent 把这条做到了什么程度？Claude Code 用 PreToolUse hook：在工具真正执行前跑一段固定校验，模型怎么想都绕不过。Codex 更狠，直接上操作系统级隔离（macOS Seatbelt、Linux bubblewrap+seccomp、Windows 原生沙箱）——哪怕模型被攻击想干坏事，也越不过操作系统这堵墙；它还把安全拆成两层：「能力闸门」（技术上能做什么）和「审批闸门」（什么时候必须问人），两层都同意才放行，并且默认「读操作自动放行、改状态的操作要人批」「默认拒绝、只给指定工作区开口」。LangGraph 的 interrupt 提供了「审批」的优雅形态：在动作下发之前暂停，把「要做什么 + 期望结果」写进持久层等人确认，人逐个批准后再 resume。

⚠️ interrupt 还带出一条真机专属的硬约束：恢复时会「重跑被中断节点里、暂停点之前的代码」。这意味着——真正驱动硬件的那行代码，必须放在审批之后；暂停点之前只能放纯计算、读状态这种「重跑也没关系」的操作。否则一旦走审批流程，机械臂会动两次。

对 ANIMA 的落地：在 LLM 输出动作、到动作真正下发给 CAN / 机械臂之间，插一道独立的确定性安全闸门。它做两件事：① 能力校验（角度是否 ≤100°、目标是否在标定过的安全工作区和合法棋盘格内、CAN 是否被占用）——不满足直接硬拦；② 审批（不可逆动作前，按项目铁律交人确认）。默认拒绝任何关节运动，只有通过校验 + 人批准的指令才放行。 这把编码 agent 的「软提示 + 事后 git 回滚」范式，正确替换成机器人需要的「事前硬阻断 + 单步确认」。

七、支柱五 · 能力积累：单脑收口，持续改进

先说编排。Devin 的经验：要有单一编排者收口，不要让多个 agent 共享并累积同一份上下文（上下文一胀，每个子任务质量都掉）。这正好支持 ANIMA「System 2 只编排不动手」的单脑设计。而且——一套物理本体不能真并行控制同一只机械臂，下棋又是强相互依赖的串行任务（一步接一步、共享棋局），所以 ANIMA 用「串行行为树主干」是对的，不该盲目并行。

小提醒：业界曾有「多 agent 比单 agent 强 90%」的说法，但那是单次内部评测、没独立复现，而且只在「可大量并行」的任务上成立。别据此给 ANIMA 堆一堆 LLM 子 agent——ANIMA 的 System 1 是 VLA 策略，根本不是 LLM。

再说能力积累——怎么让 ANIMA「越用越聪明」，而且不用重新训练 VLA 的权重。靠两条腿：Voyager 式技能库，把反复验证成功、可复用的操作固化成可执行技能，按「自然语言描述」的向量索引，下次相似情境直接检索来用（如「e2→e4 的标准抓放序列」「把吃掉的子移到回收区」）——这是可执行的记忆；Reflexion 式口头反思，把一次失败「反思成一段文字」（如「这类残局我老是过早换子」），存进情景记忆，下次遇到相似局面载入来提醒自己——它存的是经验教训，模糊匹配，完全不动权重。

一条可操作准则：反思回答「下次该怎么想」（文字，进情景记忆，模糊召回）；技能回答「这个动作怎么做」（代码，进技能库，精确调用）。失败先产生反思；当某个解法稳定成功、可复用了，再把它从「反思」晋升成「技能」。 ⚠️ 机器人技能涉及不可逆物理动作，入库前必须经视觉裁判验证 + 人类审批，不能像 Voyager 在 Minecraft 里那样自动纳新。

八、不能照搬之处：机器人与编码 agent 的四条鸿沟

把经验搬过来时，必须时刻记住这四条根本差异，否则会出事：

• 物理错误要分「可恢复」和「真不可逆」：编码 agent 靠「做错了用 git 回滚」兜底，机器人没有 Ctrl-Z——但这不等于一切物理错误都不可逆。撞倒、抓偏棋子其实是可恢复的：棋盘是已知的刚性结构、棋局状态由 python-chess 记着真值，重新摆放或重抓即可，这正是「失败检测 + 重试」能成立的前提。真正不可逆的是撞墙、撞桌沿、撞到自身结构或人、把整盘棋扫翻这类会损坏硬件或伤人的动作。→ 所以硬闸门要对准「会造成损坏 / 不可逆」的动作做事前阻断 + 单步确认；可恢复的失误交给检测后重试，不必为它牺牲流畅。
• 谁是裁判：符号工具给「期望」，眼睛给「观测」，脑来判：编码 agent 的裁判（单元测试）几乎可信、近乎真值；机器人的裁判是视觉，会看错。这里要纠正一个常见误解——python-chess 不是和视觉并列的「第二个裁判」，它是脑调用的一个工具：它只持有「这步走完棋盘应该变成什么样」（expected），却看不见物理棋盘。真正的裁判是脑：拿眼睛读到的真实棋盘（observed）去和 python-chess 的 expected 比对，一致才算成功。所以正确链路是「python-chess 出期望 → 视觉出观测 → 脑做比对判定」，而不是「两个裁判各投一票」。这个带噪声的视觉比对才是核心难点（第二部分第十二节详述）。
• 硬实时：快环不能等慢环：编码 agent 可以同步「停下来思考」，反正慢一点只是等；机器人不行——机械臂在物理世界里连续运动，控制环一旦停顿就会抖、就会偏。所以主流机器人大脑不是「想完再动」的串行，而是快慢两环异步分频并行：慢环（深思、重规划、查棋）在后台低频跑、不时刷新一个子目标，快环（连续控制）始终用「上一次的子目标」高频出动作、绝不暂停。「停下来整理上下文 / 重规划」因此是后台并发的慢环，不是动作里的一次暂停（第二部分第十一节详述）。
• 别把单次内部评测当通用规律：业界有个常被引用的说法——「多 agent 协作比单 agent 强约 90%」，但那是某家的单次内部评测、自报数据。当我们要决定 ANIMA 的脑要不要拆成多个专职子 agent（职责分离）时，能借用的只是定性结论「分工通常有好处」；至于到底拆不拆、拆成几个，要由我们自己的任务和实测来定，绝不能把「90%」当成目标或论据照搬。

这四条里，后三条都指向同一个根源——机器人的脑必须按「快慢双系统」来组织，这正是下面第二部分要展开的。

九、ANIMA 的落地优先级清单

优先级	做什么	来自谁	一句话怎么落地
P0 安全	确定性安全闸门	Codex / Claude Code / LangGraph	LLM 与真机之间插一道不经过 LLM 的闸门；能力校验 + 审批；默认拒绝
P0 安全	能力闸门 ⟂ 审批闸门两层分离	Codex	「技术上能不能下发」与「要不要人批」分开；读放行 / 改审批
P0 安全	硬件副作用放在审批之后（幂等）	LangGraph	暂停点之前只放纯计算 / 读状态，驱动臂的代码放审批后，避免动两次
P1 验证	视觉裁判闭环，禁止 LLM 自述成功	SWE-agent / Devin	不一致则逻辑真值不前进；反馈紧凑可定位（哪格错），不灌整帧图
P1 记忆	外置进度文件 + checkpoint 事件日志	Claude Code / LangGraph	断电 / 急停后读文件即恢复；精确数字走硬约束，不靠压缩
P1 记忆	分层作用域记忆（全局安全 > 任务 > 步）	Claude Code	向上拼接不覆盖；人写硬规则 + 机器自积累经验双轨
P2 接口	少而正交、面向工作流的高阶动作原语	SWE-agent	「把 e2 的子走到 e4」是一个原语，别让 LLM 拼关节角
P2 编排	单编排者收口，串行行为树主干	Devin	System 2 单脑；不盲目并行；System 1 是 VLA 不是 LLM
P2 积累	反思（文字）+ 技能库（代码）+ 晋升流水线	Reflexion / Voyager	失败先存反思，稳定可复用后晋升为技能；入库须验证 + 审批
P3 工程	主循环极简、复杂度放外围	Claude Code	行为树 + LLM 补空维持现状，不上重型框架
P3 调试	time-travel 复盘（仅限仿真 / 逻辑层）	LangGraph	回到出错那步开支线重放；绝不用于重放真机动作

十、双系统分层：System 1 / System 2

先给结论：2025 年以来，主流具身智能框架几乎一致地把「脑」拆成两层异步运行的系统。这套叫法借自心理学家卡尼曼的「快思考 / 慢思考」。

• System 2（慢脑）：一个在互联网数据上预训练的大模型（视觉语言模型 VLM / 多模态大模型），负责看懂场景、理解语言、多步规划、估计进度与成败。它跑得慢、频率低（约 1～9 Hz，即每秒只「想」几次），但见多识广、会推理。
• System 1（快手）：一个轻量的视觉运动策略（扩散 / 流匹配 / 小型 transformer），负责把慢脑给的目标实时变成连续关节动作。它跑得快、频率高（约 25～200 Hz），但不思考、只反应。

为什么非拆不可？因为「会推理的大模型」和「能实时控制的策略」对算力与延迟的要求正好相反：大模型一次前向推理动辄几十上百毫秒，配不上几十赫兹的控制节奏；而能跑到 200 Hz 的小策略又没有推理能力。把两者拆开、各跑各的频率，是工程上的必然选择。

主流框架长什么样（频率与接口对照）。下表把几个有代表性的框架放在一起——注意频率多来自厂商博客或预印本、会随版本变化，可迁移的是「分层 + 异步」这个模式，不是具体数字：

框架	慢脑 System 2	快手 System 1	两层接口
Figure Helix（2025）	7B VLM · 7–9 Hz	80M 策略 · 200 Hz	单个连续 latent 向量
Google Gemini Robotics	Gemini Robotics-ER（推理脑·调工具·估成败）	Gemini Robotics VLA（执行手）	自然语言子指令
PI π0.5 / Hi Robot	VLM · 约 1 Hz（或单模型先出语言子目标）	π0 VLA · 50 Hz	人类可读的原子语言指令
NVIDIA GR00T N1.5	VLM · 约 10 Hz	扩散 transformer · 约 120 Hz	latent 表示
DuoCore-FS（2025）	大 VLM · 1–3 Hz	策略 · 25–30 Hz	bridge buffer（异步缓冲）
Google RT-2	55B · 1–3 Hz（或 5B · 约 5 Hz）	—（端到端单模型，作对照）	—

两层之间「传什么」分两大流派：传语言（Hi Robot、π0.5 让脑说一句人能读懂的「把杯子拿起来」，再让手照着做）和传潜向量（Helix 把语义压成一个连续向量、GR00T 传 latent）。对 ANIMA，我们取语言接口——因为语言接口可读、可审计，还能被 Stockfish / python-chess 这类符号工具介入；latent 是黑箱，工具插不进去。

十一、快慢环协调：异步分频

这一节直接回答前面「四条鸿沟」里的实时性问题。关键不是「先想后动」的先后，而是「两环并行、互不阻塞」。

最先进的做法（DuoCore-FS、Real-Time Chunking 等）是真正的异步：慢环在后台每隔一段时间（如每秒 1～3 次）刷新一次子目标 / 中间表示；快环每秒做几十次，每次都取「当前最新的那个子目标」继续出动作。哪怕慢环这一拍还没想完，快环也用上一次的子目标平滑地接着动，绝不停下来等。

为什么必须这样？Physical Intelligence 的 Real-Time Chunking 给了一组硬数字：在 50 Hz 控制（每步只有 20 毫秒）下，一个 30 亿参数的策略光是准备一次推理就要 46 毫秒，70 亿参数的 OpenVLA 一次推理要 321 毫秒——根本不可能在两个控制步之间算完。它的解法是「冻结 + 补全」：已经来不及改的前几个动作先锁定、照常执行，推理在后台线程里跑，新结果一出来就无缝接上，保证任何时刻都有动作可发。

所以原来「停下来整理上下文只能在动作间隙」的说法不够准确。正确的图景是：慢思考是一条一直在后台跑的低频线程，它从不打断高频控制；真正要协调的，是「快环如何始终拿到一个够用的子目标」，而不是「什么时候允许暂停」。⚠️ 还有一个重要提醒：分层本身不自带纠错——π0.5、GR00T 等论文都坦承自己没有闭环重规划，闭环必须我们在慢环里显式加（见下一节的裁判，以及第二章的重试）。

十二、期望 / 观测 / 裁判：符号工具与感知的分工

这一节展开「四条鸿沟」里的裁判问题，也是 ANIMA 最容易搭错的地方。先看业界怎么摆放符号工具：

• 在 SPCA（Sense-Plan-Code-Act）这类框架里，符号校验器（规则检查 / 经典规划器 / 仿真编译）是高层推理器调用的「可信锚点」：大模型负责提议（它会幻觉、不可靠），符号侧负责裁决合不合法。谁校验谁很清楚——干净的符号侧裁定有效性，大模型只是提议者。
• 失败判定则被拆成两道闸门：事前用符号侧做「这步合不合法 / 可不可行」的语义过滤（拦住明显错误的动作），事后用真机感知做「物理上到底成没成」的评估（对比动作前后的真实状态）。带噪声的物理观测，才是最终成败的裁判。

把这套放到下棋上，就能纠正一个常见误解：

• python-chess 是工具，持有「期望」：它知道规则、知道「e2 的兵走到 e4 后棋盘应该长什么样」，但它看不见物理棋盘，本身不能判断真机有没有放对。它对应业界的「事前符号过滤」——校验走法合法、并给出 expected。
• 相机 + 检测器是眼睛，给出「观测」：真机棋盘实际变成了什么样（observed），有噪声、会看错。
• 脑是唯一的裁判：拿 observed 和 expected 比对，一致才算成功，不一致就触发重试。这对应业界的「事后物理评估」。

所以正确链路是「python-chess 出期望 → 视觉出观测 → 脑做比对判定」的串接，而不是「视觉和 python-chess 各当一个裁判、双双确认」。逻辑真值（应该怎样）在 python-chess，物理真相（实际怎样）在眼睛，判定权在脑。这个带噪声的视觉比对是 ANIMA 的核心难点，也是「失败检测 → 重试」可靠性的隐藏天花板。

十三、经验迁移：哪些可用、哪些不可用

把第一部分的纪律逐条过一遍，标出「具身」会不会改写它。（最后这一栏是从「物理不可逆 + 硬实时 + 感知有噪」综合推出的判断，不是单篇论文的实证结论。）

编码 agent 的经验	能否迁移到 ANIMA	为什么 / 怎么改
外置记忆 + 进度文件	能，直接用	断电 / 急停后读文件即恢复，与机器人无冲突
少而正交的高层工具 / 原语	能	「把 e2 的子走到 e4」是一个原语，别让大模型去拼关节角
确定性硬安全闸门	能，且更重要	SPCA 的编译+仿真校验、事前/事后双闸门都是同一思路；机器人这里关系到硬件与人身安全
闭环验证、禁止自述成功	能，但裁判换成视觉	编码 agent 信测试，ANIMA 的「测试」是带噪视觉，要按上一节做 expected × observed 比对
同步「停下来思考」	不能照搬	快环不能停；深思必须改成后台并发的慢环（第十一节）
「做错了回滚重来」	不能照搬	物理没有 Ctrl-Z；可恢复失误靠重试，不可逆 / 有损害动作靠事前硬闸门（第九节）
多 agent「强 90%」这类数字	只取定性	自报单次评测；只借「职责分离通常有益」，拆不拆由自己任务定

十四、回到 ANIMA：脑如何指挥手

把以上拼起来，ANIMA 的形态就清楚了——它是一个「慢脑」，统领一组工具与一只「快手」：

• 脑 = ANIMA（大模型编排器）+ 一组工具：Stockfish 出招、python-chess 校验合法性并持有期望、失败检测器读视觉。脑在低频里想「下哪步、这步成没成、要不要重试」。
• 手 = VLA 策略（System 1）：在高频里把脑给的「把某子走到某格」变成连续抓放动作。
• 眼 = 相机 + 检测器：给出物理棋盘的 observed，喂给脑当裁判。
• 接口 = 人类可读的语言原子指令（取自 Hi Robot / π0.5），而非 latent 黑箱——这样 Stockfish / python-chess 才能介入。
• 闭环靠自己加：业界框架（π0.5 / GR00T）多不自带纠错，所以「估成败 → 重试」要在 ANIMA 的慢环里显式实现，以 Gemini Robotics-ER 的「成功估计」为范本。

一句话：逻辑真值在 python-chess，物理真相靠眼睛，判定与编排在脑，动作在手。更完整的框架巡览与 ANIMA 架构图，见第四章 · 附录1 脑规划框架调研。

来源与可信度说明

• 全部证据来自一手资料：Anthropic / OpenAI / Cursor / Cognition 官方工程博客与文档、LangChain 官方文档，以及 SWE-agent（arXiv 2405.15793）、Reflexion（arXiv 2303.11366）、Voyager 论文与官方实现。绝大多数主张经过三票对抗式核验。
• 少数标「中等置信」的：Cursor 的检索准确率提升是厂商自报基准；「多 agent 强 90%」是单次内部评测——均只取定性结论。「反思→晋升为技能」流水线是面向 ANIMA 的工程综合，非论文原文主张。
• 时效性：资料集中在 2025 末—2026 上半年，具体数字会随版本变化，可迁移的是设计模式而非数字。完整带引用的研究底稿见仓库 research/agent-system/ 下三份报告。
• 第二部分（机器人框架）来源：Figure Helix（figure.ai/news/helix）、Physical Intelligence π0.5 与 Real-Time Chunking（pi.website）、DuoCore-FS（arXiv 2512.20188）、OpenHelix 综述（arXiv 2505.03912）、SPCA / Sense-Plan-Code-Act（MDPI MAKE 8(1):22, 2026），以及 Google Gemini Robotics、NVIDIA GR00T N1.5、RT-2 等公开资料；各框架的 System 1/System 2 频率经多源交叉核验，绝大多数主张经过三票对抗式核验。
• 第二部分的几点提醒：① Helix 的 7–9 / 200 Hz 来自厂商博客、且只描述 2025 年初版，后续型号未必相同；②「bridge buffer」「事前 / 事后双闸门」是各自论文的专有术语、非行业标准，文中已归属到具体来源；③「快慢真正异步」只有 DuoCore-FS / Real-Time Chunking 等近期工作做到，早期双系统多为同步、快环被慢 VLM 卡住频率；④「哪些经验不能迁移」是从「物理不可逆 + 硬实时 + 感知有噪」综合推出的判断，非单篇实证。